申请/专利权人:浙江大华技术股份有限公司
申请日:2023-12-25
公开(公告)日:2024-04-26
公开(公告)号:CN117935016A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/44;G06V10/25;G06N3/096;G06N3/0464;G06N3/045
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本申请公开了一种学生网络模型训练方法、目标检测方法以及相关设备,该方法包括:将训练图像分别输入教师网络模型和学生网络模型进行图像特征提取处理,得到教师网络模型输出的第一训练特征图像和学生网络模型输出的第二训练特征图像;计算第一训练特征图像和第二训练特征图像之间的第一蒸馏损失;将第一训练特征图像输入教师网络模型,得到第一参照目标区域,将第二训练特征图像输入学生网络模型,得到第二参照目标区域;基于注意力机制计算第一参照目标区域的区域特征与第二参照目标区域的区域特征之间的第二蒸馏损失;基于第一蒸馏损失和第二蒸馏损失之间的蒸馏损失和变小为目标训练学生网络模型。上述方案,能够提高网络模型的目标检测精度。
主权项:1.一种学生网络模型训练方法,其特征在于,所述方法包括:将训练图像分别输入教师网络模型和所述学生网络模型进行图像特征提取处理,得到所述教师网络模型输出的第一训练特征图像和所述学生网络模型输出的第二训练特征图像;计算所述第一训练特征图像和所述第二训练特征图像之间的第一蒸馏损失;将所述第一训练特征图像输入所述教师网络模型中进行检测处理,得到所述教师网络模型输出的第一训练特征图像中的第一参照目标区域,将所述第二训练特征图像输入所述学生网络模型中进行检测处理,得到所述学生网络模型输出的第二训练特征图像中的第二参照目标区域,所述第一参照目标区域与所述第二参照目标区域在各自所在特征图像中的位置对应;基于注意力机制计算所述第一参照目标区域的区域特征与所述第二参照目标区域的区域特征之间的第二蒸馏损失;基于所述第一蒸馏损失和所述第二蒸馏损失之间的蒸馏损失和变小为目标训练所述学生网络模型。
全文数据:
权利要求:
百度查询: 浙江大华技术股份有限公司 学生网络模型训练方法、目标检测方法以及相关设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。